[1F4-GS-10c] AI応用：環境モニタリング

[1F4-GS-10c-05] Convolutional LSTMを用いた新幹線軌道狂いの時空間予測

〇小助川 克也¹、森 康久仁²、須鎗 弘樹²、川本 一彦² (1. 千葉大学大学院 融合理工学府、2. 千葉大学大学院 工学研究院)

キーワード：時系列予測、時空間予測、社会インフラ応用、深層学習、ニューラルネットワーク

鉄道事業者にとって，鉄道の軌道形状の変形である軌道狂いの予測は，安全性の確保や保守計画の管理のために重要である．本論文では，新幹線軌道の高低狂いの時空間予測のために， convolutional long short-term memory (ConvLSTM) に基づく深層予測モデルを提案する．提案モデルは，高速検査列車が測定した軌道狂いや動揺などの時空間データだけでなく，軌道構造や地盤などの静的なカテゴリカルデータ，保守作業有無の２値時系列データを用いて学習される．学習では，回帰タスクでは十分な精度が達成できなかったため，高低狂いを２mm単位に量子化したうえで分類タスクとして定式化し，分類精度の観点から予測精度を評価している．実データを用いた実験評価では，高低狂いが進行している要注意地点において，提案モデルは，軌道構造や地盤などの静的なデータや保守作業日記録の時系列データを用いた方がより高い予測性能を示す結果が得られている．